RU2696336C1 - Способ и устройство для аутентификации личности посредством объединения множества биологических характеристик - Google Patents

Способ и устройство для аутентификации личности посредством объединения множества биологических характеристик Download PDF

Info

Publication number
RU2696336C1
RU2696336C1 RU2018117505A RU2018117505A RU2696336C1 RU 2696336 C1 RU2696336 C1 RU 2696336C1 RU 2018117505 A RU2018117505 A RU 2018117505A RU 2018117505 A RU2018117505 A RU 2018117505A RU 2696336 C1 RU2696336 C1 RU 2696336C1
Authority
RU
Russia
Prior art keywords
characteristic
matrix
matrices
biological characteristics
identification information
Prior art date
Application number
RU2018117505A
Other languages
English (en)
Inventor
Чжэн СЯО
Цзячунь ЧЖЭН
Сяопин ХАНЬ
Цзиньцзюнь ХЭ
Original Assignee
ДжиАрДжи БЭНКИНГ ЭКВИПМЕНТ КО., ЛТД.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ДжиАрДжи БЭНКИНГ ЭКВИПМЕНТ КО., ЛТД. filed Critical ДжиАрДжи БЭНКИНГ ЭКВИПМЕНТ КО., ЛТД.
Application granted granted Critical
Publication of RU2696336C1 publication Critical patent/RU2696336C1/ru

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/0861—Network architectures or network communication protocols for network security for authentication of entities using biometrical features, e.g. fingerprint, retina-scan

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Biomedical Technology (AREA)
  • Human Computer Interaction (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Algebra (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Collating Specific Patterns (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

Изобретение относится к способу и устройству для аутентификации личности на основе объединения множества биологических характеристик. Техническим результатом является повышение надежности аутентификации личности. Способ включает в себя: сбор по меньшей мере двух типов информации идентификации, относящейся к биологическим характеристикам идентифицируемого пользователя; выполнение извлечения характеристик для каждого типа из указанных по меньшей мере двух типов собранной информации идентификации, относящейся к биологическим характеристикам, чтобы получить соответствующую характеристическую информацию; построение характеристических матриц на основе характеристической информации; выполнение обработки по нормализации каждой из характеристических матриц; выполнение динамического объединения с взвешиванием на всех нормализованных характеристических матрицах с получением объединенной характеристической матрицы; сопоставление объединенной характеристической матрицы с предварительно заданной стандартной матрицей с получением оценки совпадения; и получение результата идентификации личности идентифицируемого пользователя на основе байесовской модели принятия решений и оценки совпадения. 2 н. и 6 з.п. ф-лы, 4 ил., 1 табл.

Description

По настоящей заявке испрашивается приоритет патентной заявки Китая №201510684297.2, озаглавленной «METHOD AND DEVICE FOR AUTHENTICATING IDENTITY BY MEANS OF FUSION OF MULTIPLE BIOLOGICAL CHARACTERISTICS», поданной в Государственное ведомство по интеллектуальной собственности Китая 20 октября 2015 года, включенной в настоящее описание посредством ссылки во всей ее полноте.
ОБЛАСТЬ ТЕХНИКИ, К КОТОРОЙ ОТНОСИТСЯ ИЗОБРЕТЕНИЕ
Настоящее раскрытие относится к области финансового оборудования для самообслуживания и, в частности, к способу и устройству для аутентификации личности на основе объединения нескольких биологических характеристик.
УРОВЕНЬ ТЕХНИКИ
В технологии аутентификации, основанной на объединении нескольких биологических характеристик, личность может быть аутентифицирована на основе объединения множества внутренних физиологических характеристик. По сравнению с обычным способом аутентификации наиболее важной особенностью аутентификации, основанной на биологических характеристиках, является аутентификация собственной характеристики пользователя. Биологическая характеристика является уникальной, и ее сложно имитировать или украсть. Кроме того, биологические характеристики могут переноситься с пользователем и могут использоваться в любое время, а также не должны регулярно поддерживаться. Поэтому система аутентификации личности привлекает все большее внимание вследствие ее высокой безопасности, надежности и эффективности, и начинает применяться в финансовой сфере.
В традиционной технологии личность вкладчика обычно идентифицируют с помощью отпечатка одного пальца. Поскольку отпечаток пальца обладает уникальностью, отсутствием возможности подделки, пожизненной эффективностью и удобством, и другими характеристиками, то личность получателя может быть аутентифицирована при снятии денег. Таким образом, вовремя может быть обнаружен имитатор, и похищение денег со счета может быть предотвращено, посредством чего осуществляется защита законных интересов банка и вкладчика. Согласно статистике, высококачественная информация об отпечатке пальцев не может быть собрана у 5% населения. Кроме того, такие технологии, как изготовление шаблона отпечатков пальцев, которые позволяют пройти идентификацию в машине для распознавания отпечатков пальцев, появляются на рынке с развитием науки и техники. Требования к точности и безопасности системы аутентификации личности все чаще повышаются с растущим у населения спросом на безопасность, особенно в конкретном месте, таком как банк, связанном с безопасностью страны и общества, и в этом случае технология аутентификации, основанная на единственной биологической характеристике, не может соответствовать актуальным требованиям.
СУЩНОСТЬ ИЗОБРЕТЕНИЯ
Способ и устройство для аутентификации личности на основе объединения множества биологических характеристик предоставлены в соответствии с вариантами осуществления настоящего раскрытия для аутентификации личности на основе более чем двух типов информации идентификации, относящейся к биологическим характеристикам, посредством чего повышается точность идентификации.
Способ аутентификации личности на основе объединения нескольких биологических характеристик предоставлен в соответствии с вариантом осуществления настоящего раскрытия, который включает в себя: сбор, по меньшей мере, двух типов информации идентификации, относящейся к биологическим характеристикам идентифицируемого пользователя; выполнение извлечения характеристик для каждого типа из указанных по меньшей мере двух типов собранной информации идентификации, относящейся к биологическим характеристикам, с тем чтобы получить характеристическую информацию, соответствующую типу информации идентификации, относящейся к биологическим характеристикам; построение характеристических матриц на основе характеристической информации, при этом между информацией идентификации, относящейся к биологическим характеристикам, характеристической информацией и характеристическими матрицами существует взаимно однозначное соответствие; выполнение обработки по нормализации каждой из характеристических матриц; выполнение динамического объединения с взвешиванием на всех нормализованных характеристических матрицах с получением объединенной характеристической матрицы; сопоставление объединенной характеристической матрицы с предварительно заданной стандартной матрицей с получением оценки совпадения; и получение идентификации личности идентифицируемого пользователя на основе байесовской модели принятия решений и оценки совпадения.
Опционально, обработка по нормализации каждой из характеристических матриц включает в себя: выполнение обработки по нормализации каждой из характеристических матриц с использованием метода MAX-MIN. Каждый элемент в каждой из нормализованных характеристических матриц находится в пределах от 0 до 1 включительно.
Опционально, динамическое объединение с взвешиванием на всех нормализованных характеристических матрицах с получением объединенной характеристической матрицы включает в себя: назначение исходного значения веса в соответствии с предварительно заданными критериями назначения значений весов для каждой из нормализованных характеристических матриц, при этом сумма всех значений весов равна 1; вычисление коэффициента целостности характеристической информации, соответствующей каждой из характеристических матриц; корректировка значения веса каждой из характеристических матриц на основе коэффициентов целостности при обеспечении равенства суммы всех значений весов 1; и выполнение объединения с взвешиванием на всех нормализованных характеристических матрицах на основе скорректированных значений веса с получением объединенной характеристической матрицы.
Опционально, корректировка значения веса каждой из характеристических матриц на основе коэффициентов целостности при обеспечении равенства суммы всех значений весов 1 включает в себя: в случае, когда коэффициент целостности, соответствующий характеристической матрице, меньше 1, пропорциональное снижение значения веса характеристической матрицы на основе недостающего коэффициента, соответствующего характеристической матрице, при этом сумма коэффициента целостности и недостающего коэффициента равна 1; в случае, когда коэффициент целостности, соответствующий характеристической матрице, равен 1, повышение значения веса характеристической матрицы, соответствующей коэффициенту целостности, равному 1, пропорционально исходному значению веса характеристической матрицы, при этом значение веса характеристической матрицы, соответствующей коэффициенту целостности, меньшему 1, пропорционально снижают, при этом обеспечивают, чтобы сумма всех значений весов была равна 1; когда каждый из коэффициентов целостности, соответствующих характеристическим матрицам, меньше 1, характеристическую матрицу, соответствующую коэффициенту целостности, превышающему предварительно заданный порог, считают характеристической матрицей, соответствующей коэффициенту целостности, равному 1; в случае, когда каждый из коэффициентов целостности, соответствующих характеристическим матрицам, меньше либо равен предварительно заданному порогу, возвращение к этапу сбора, по меньшей мере, двух типов информации идентификации, относящейся к биологическим характеристикам пользователя, подлежащего идентификации, для повторного сбора.
Опционально, идентифицируемому пользователю могут предоставлять доступ к операциям в учетной записи, в которую осуществляется вход в настоящее время, в случае, когда результат идентификации личности указывает, что идентифицируемый пользователь прошел идентификацию личности; и способ возвращается к этапу сбора, по меньшей мере, двух типов информации идентификации, относящейся к биологическим характеристикам идентифицируемого пользователя, и предупреждение выдается в учетной записи, в которую осуществляется вход, в случае, когда результат идентификации указывает, что идентифицируемый пользователь не прошел идентификацию личности.
Опционально, стандартную матрицу резервируют до первого входа в учетную запись, с применением способа, в котором стандартную матрицу резервируют путем: сбора, по меньшей мере, двух типов информации идентификации, относящейся к биологическим характеристикам владельца счета; выполнения извлечения характеристик для каждого типа из указанных по меньшей мере двух типов собранной информации идентификации, относящейся к биологическим характеристикам, с тем чтобы получить характеристическую информацию, соответствующую типу информации идентификации, относящейся к биологическим характеристикам; построения характеристических матриц на основе характеристической информации, при этом между информацией идентификации, относящейся к биологическим характеристикам, характеристической информацией и характеристическими матрицами существует взаимно однозначное соответствие; выполнения обработки по нормализации каждой из характеристических матриц; выполнения динамического объединения с взвешиванием на всех нормализованных характеристических матрицах с получением объединенной характеристической матрицы, соответствующей владельцу учетной записи; и сохранения объединенной характеристической матрицы в базе данных в качестве стандартной матрицы.
Устройство для аутентификации личности на основе объединения нескольких биологических характеристик предоставляется в соответствии с вариантом осуществления настоящего раскрытия. Устройство включает в себя: модуль сбора информации идентификации, модуль извлечения характеристик, модуль построения матриц, модуль обработки по нормализации, модуль объединения матриц, модуль сопоставления и модуль идентификации. Модуль сбора информации идентификации сконфигурирован для сбора, по меньшей мере, двух типов информации идентификации, относящейся к биологическим характеристикам идентифицируемого пользователя. Модуль извлечения характеристик сконфигурирован для выполнения извлечения характеристик для каждого типа из указанных по меньшей мере двух типов собранной информации идентификации, относящейся к биологическим характеристикам, с тем чтобы получить характеристическую информацию, соответствующую типу информации идентификации, относящейся к биологическим характеристикам. Модуль построения матриц сконфигурирован для построения характеристических матриц на основе характеристической информации, при этом существует взаимно однозначное соответствие между информацией идентификации, относящейся к биологическим характеристикам, характеристической информацией и характеристическими матрицами. Модуль обработки по нормализации сконфигурирован для выполнения обработки по нормализации каждой из характеристических матриц. Модуль объединения матриц сконфигурирован для выполнения динамического объединения с взвешиванием на всех нормализованных матрицах с получением объединенной характеристической матрицы. Модуль сопоставления сконфигурирован для сопоставления объединенной характеристической матрицы с предварительно заданной стандартной матрицей, с получением оценки совпадения. Модуль идентификации сконфигурирован для получения идентификации личности идентифицируемого пользователя на основе байесовской модели принятия решений и оценки совпадения.
Опционально, модуль объединения матриц включает в себя: блок назначения исходных значений весов, блок вычисления коэффициентов целостности, блок корректировки значений весов и блок объединения с взвешиванием. Блок назначения исходных значений весов сконфигурирован для назначения исходного значения веса каждой из нормализованных характеристических матриц в соответствии с заранее заданными критериями назначения значений весов, при этом сумма всех значений весов равна 1. Блок вычисления коэффициентов целостности сконфигурирован для вычисления коэффициента целостности характеристической информации, соответствующей каждой из характеристических матриц. Блок корректировки значений весов сконфигурирован для корректировки значения веса каждой характеристической матрицы на основе коэффициентов целостности при обеспечении того, чтобы сумма всех значений весов была равна 1. Блок объединения с взвешиванием сконфигурирован для выполнения объединения с взвешиванием на всех нормализованных характеристических матрицах на основе скорректированных значений весов с получением объединенной характеристической матрицы.
Опционально, устройство дополнительно включает в себя: модуль разрешения операций и модуль выдачи предупреждений. Модуль разрешения операций сконфигурирован для разрешения пользователю выполнения операций в учетной записи, в которую осуществляется вход в случае, когда результат идентификации личности, полученный модулем идентификации, указывает, что идентифицируемый пользователь прошел идентификацию личности. Модуль выдачи предупреждений сконфигурирован для возврата на этап сбора, по меньшей мере, двух типов информации идентификации, относящейся к биологическим характеристикам идентифицируемого пользователя, и выдачи предупреждения в учетной записи, в которую осуществляется вход, в случае, когда результат идентификации личности, полученный модулем идентификации, указывает, что идентифицируемый пользователь не прошел идентификацию личности.
Опционально, устройство дополнительно содержит модуль резервирования, сконфигурированный с возможностью резервирования стандартной матрицы до того, как устройство будет впервые использоваться. Модуль резервирования включает в себя: блок сбора информации, блок извлечения характеристик, блок построения матриц, блок нормализации, блок объединения матриц и блок хранения. Блок сбора информации сконфигурирован для сбора, по меньшей мере, двух типов информации идентификации, относящейся к биологическим характеристикам владельца учетной записи. Блок извлечения характеристик сконфигурирован для выполнения извлечения характеристик для каждого типа из указанных по меньшей мере двух типов собранной информации идентификации, относящейся к биологическим характеристикам, с тем чтобы получить характеристическую информацию, соответствующую типу информации идентификации, относящейся к биологическим характеристикам. Блок построения характеристических матриц сконфигурирован для построения характеристических матриц на основе характеристической информации, при этом существует взаимно однозначное соответствие между информацией идентификации, относящейся к биологическим характеристикам, характеристической информацией и характеристическими матрицами. Блок нормализации сконфигурирован для выполнения обработки по нормализации каждой из характеристических матриц. Блок объединения матриц сконфигурирован для выполнения динамического объединения с взвешиванием на всех нормализованных матрицах с получением объединенной характеристической матрицы, соответствующей владельцу учетной записи. Блок хранения сконфигурирован для хранения объединенной характеристической матрицы в базе данных в качестве стандартной матрицы.
Из приведенных выше технических решений видно, что варианты осуществления настоящего изобретения обладают следующими преимуществами.
В вариантах осуществления настоящего изобретения сначала собирают, по меньшей мере, два типа информации идентификации, относящейся к биологическим характеристикам идентифицируемого пользователя, проводят извлечение характеристик для каждого типа из указанных, по меньшей мере, двух типов собранной информации идентификации, относящейся к биологическим характеристикам, с целью получения характеристической информации, которая соответствует типу информации идентификации, относящейся к биологическим характеристикам, осуществляют построение характеристических матриц на основе характеристической информации, при этом существует взаимно однозначное соответствие между информацией идентификации, относящейся к биологическим характеристикам, характеристической информацией и характеристическими матрицами, выполняют обработку по нормализации каждой из характеристических матриц, выполняют объединение с динамическим взвешиванием всех нормализованных характеристических матриц с получением объединенной характеристической матрицы, объединенную характеристическую матрицу сопоставляют с предварительно заданной стандартной матрицей с получением оценки совпадения, и результат идентификации личности идентифицируемого пользователя получают на основе байесовской модели принятия решений и оценки совпадения. В варианте осуществления настоящего раскрытия личность аутентифицируют на основе более чем двух типов информации идентификации, относящейся к биологическим характеристикам, тем самым повышая точность идентификации и не оказывая влияния на точность идентификации в случае, когда часть информации идентификации, относящейся к биологическим характеристикам, не является целостной.
КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ
Фиг. 1 представляет собой блок-схему способа аутентификации личности на основе объединения нескольких биологических характеристик согласно одному из вариантов осуществления настоящего изобретения;
Фиг. 2 представляет собой блок-схему способа аутентификации личности на основе объединения нескольких биологических характеристик согласно другому варианту осуществления настоящего изобретения;
Фиг. 3 представляет собой структурную схему устройства для аутентификации личности на основе объединения нескольких биологических характеристик согласно одному из вариантов осуществления настоящего изобретения; и
На фиг. 4 показана структурная схема устройства для аутентификации личности на основе объединения нескольких биологических характеристик согласно другому варианту осуществления настоящего изобретения.
ОСУЩЕСТВЛЕНИЕ ИЗОБРЕТЕНИЯ
Способ и устройство для аутентификации личности на основе объединения множества биологических характеристик предоставлены в соответствии с вариантами осуществления настоящего раскрытия для аутентификации личности на основе более чем двух типов информации идентификации, относящейся к биологическим характеристикам, посредством чего обеспечивается повышение точности идентификации.
Для достижения цели, а также для того, чтобы сделать свойства и преимущества настоящего раскрытия более ясными и понятными, технические решения в соответствии с вариантами осуществления настоящего изобретения описаны ясно и полно в сочетании с чертежами в вариантах осуществления настоящего раскрытия. Очевидно, что варианты осуществления, описанные ниже, представляют собой только часть, а не все варианты осуществления. На основании вариантов осуществления настоящего раскрытия все другие варианты осуществления, полученные специалистами в данной области без творческой работы, попадают в пределы защищаемого объема настоящего раскрытия.
Обратимся к фиг. 1; способ аутентификации личности на основе объединения нескольких биологических характеристик согласно одному из вариантов осуществления настоящего раскрытия включает в себя этапы 101-107.
На этапе 101 собирают, по меньшей мере, два типа информации идентификации, относящейся к биологическим характеристикам идентифицируемого пользователя.
Сначала могут собирать, по меньшей мере, два типа информации идентификации, относящейся к биологическим характеристикам идентифицируемого пользователя.
На этапе 102 выполняют извлечение характеристик для каждого типа из указанных, по меньшей мере, двух типов информации идентификации, относящейся к биологическим характеристикам, с тем чтобы получить информацию о характеристиках, соответствующую типу информации идентификации, относящейся к биологическим характеристикам.
После сбора по меньшей мере, двух типов информации идентификации, относящейся к биологическим характеристикам, могут выполнять извлечение характеристик для каждого типа из указанных, по меньшей мере, двух типов собранной информации идентификации, относящейся к биологическим характеристикам, с тем чтобы получить информацию о характеристиках, соответствующую типу информации идентификации, относящейся к биологическим характеристикам.
На этапе 103 осуществляют построение характеристических матриц на основе характеристической информации.
После выполнения извлечения характеристик по каждому типу из указанных, по меньшей мере, двух типов собранной информации идентификации, относящейся к биологическим характеристикам, характеристические матрицы могут быть построены на основе характеристической информации. Существует взаимно однозначное соответствие между информацией идентификации, относящейся к биологическим характеристикам, характеристической информацией и характеристическими матрицами.
На этапе 104 выполняют обработку по нормализации каждой из характеристических матриц.
После определения характеристических матриц на основе характеристической информации обработку по нормализации могут выполнять для каждой из характеристических матриц.
На этапе 105 динамическое объединение с взвешиванием выполняют для всех нормализованных характеристических матриц с получением объединенной характеристической матрицы.
После выполнения процесса нормализации для каждой из характеристических матриц, динамическое объединение с взвешиванием могут выполнять для всех нормализованных матриц с получением объединенной характеристической матрицы.
На этапе 106 объединенную характеристическую матрицу сопоставляют с предварительно заданной стандартной матрицей с получением оценки совпадения.
После выполнения динамического объединения с взвешиванием для всех нормализованных характеристических матриц, объединенную характеристическую матрицу могут сопоставлять с предварительно заданной стандартной матрицей с получением оценки совпадения.
На этапе 107 результат идентификации личности идентифицируемого пользователя получают на основе байесовской модели принятия решений и оценки совпадения.
После получения оценки совпадения идентификация личности идентифицируемого пользователя может быть получена на основе байесовской модели принятия решений и оценки совпадения.
В варианте осуществления сначала собирают, по меньшей мере, два типа информации идентификации, относящейся к биологическим характеристикам идентифицируемого пользователя, и для каждого типа из указанных, по меньшей мере, двух типов собираемой информации идентификации, относящейся к биологическим характеристикам, выполняют извлечение характеристик, с тем чтобы получить характеристическую информацию, соответствующую типу информации идентификации, относящейся к биологическим характеристикам, осуществляют построение характеристических матриц на основе характеристической информации, при этом существует взаимно однозначное соответствие между информацией идентификации, относящейся к биологическим характеристикам, характеристической информацией и характеристическими матрицами, выполняют обработку по нормализации каждой из характеристических матриц, выполняют динамическое объединение с взвешиванием всех нормализованных матриц с получением объединенной характеристической матрицы, объединенную характеристическую матрицу сопоставляют с предварительно заданной матрицей с получением оценки совпадения, и результат идентификации личности получают на основе байесовской модели принятия решений и оценки совпадения. В варианте осуществления личность аутентифицируют на основе более чем двух типов информации идентификации, относящейся к биологическим характеристикам, тем самым повышая точность идентификации, и не оказывая влияния на точность идентификации в случае, когда часть информации идентификации, относящейся к биологическим характеристикам, не является целостной.
Для удобства понимания подробно описан способ аутентификации личности, основанный на объединении нескольких биологических характеристик, в соответствии с одним из вариантов осуществления настоящего раскрытия. Обратимся к фиг. 2; способ аутентификации личности на основе объединения нескольких биологических характеристик согласно другому варианту осуществления настоящего раскрытия включает в себя этапы 201-212.
На этапе 201 собирают, по меньшей мере, два типа информации идентификации, относящейся к биологическим характеристикам идентифицируемого пользователя.
Сначала могут собирать, по меньшей мере, два типа информации идентификации, относящейся к биологическим характеристикам идентифицируемого пользователя. Информация идентификации, относящаяся к биологическим характеристикам, может включать в себя лицо, отпечаток пальца, голос и тому подобное. Например, изображение лица пользователя может быть получено с использованием устройства сбора изображений лиц, отпечаток пальца пользователя может быть собран с использованием устройства для сбора отпечатков пальцев, и голос пользователя может быть собран с использованием устройства для сбора голоса. Собранную информацию загружают в устройство обработки информации.
На этапе 202 извлечение характеристик выполняют для каждого типа из указанных, по меньшей мере, двух типов собранной информации идентификации, относящейся к биологическим характеристикам, с тем чтобы получить характеристическую информацию, соответствующую типу информации идентификации, относящейся к биологическим характеристикам.
После сбора указанных, по меньшей мере, двух типов информации идентификации, относящейся к биологическим характеристикам, извлечение характеристик могут выполнять для каждого типа из указанных по меньшей мере, двух типов информации идентификации, относящейся к биологическим характеристикам, с тем чтобы получить характеристическую информацию, соответствующую заданному типу информации идентификации, относящейся к биологическим характеристикам. Например, обработку оттенков серого могут выполнять на изображении лица, характеристическую информацию могут извлекать после обработки оттенков серого, и характеристическую матрицу лица могут строить на основе характеристической информации. Обработку оттенков серого могут выполнять на изображении отпечатка пальца, характеристическую информацию могут извлекать после обработки оттенков серого, и характеристическую матрицу отпечатка могут строить на основе характеристической информации. Обработку по подавлению шума могут выполнять на голосовой информации, характеристическую информацию могут извлекать после обработки по подавлению шума, и характеристическую матрицу голоса могут строить на основе характеристической информации.
На этапе 203 характеристические матрицы строят на основе характеристической информации.
Характеристическую матрицу могут строить на основе характеристической информации после получения характеристической информации. Существует взаимно однозначное соответствие между информацией идентификации, относящейся к биологическим характеристикам, характеристической информацией и характеристическими матрицами. Следует понимать, что один тип собранной информации идентификации, относящейся к биологическим характеристикам, соответствует одному множеству характеристической информации, и одно множество характеристической информации соответствует одной характеристической матрице.
На этапе 204 обработку по нормализации выполняют для каждой из характеристических матриц с применением метода MAX-MIN.
После определения характеристических матриц на основе характеристической информации, могут выполнять обработку по нормализации каждой из характеристических матриц с применением метода MAX-MIN, при этом каждый элемент в каждой из нормализованных характеристических матриц находится в диапазоне от 0 до 1 включительно.
Предполагается, что характеристическая матрица лица обозначается как А, а характеристическая матрица отпечатка пальца обозначается как В, и характеристическая матрица голоса обозначается как С, при этом характеристическая матрица содержит i строк и j столбцов, aij обозначает элемент в матрице лица, bij обозначает элемент в матрице отпечатка пальца, cij обозначает элемент в матрице голоса, amax обозначает максимальный элемент в матрице A, и amin обозначает минимальный элемент в матрице A, bmax обозначает максимальный элемент в матрице B, и bmin обозначает минимальный элемент в матрице B, cmax обозначает максимальный элемент в матрице C, и cmin обозначает минимальный элемент в матрице C, при этом обработку по нормализации выполняют на матрице с применением метода MAX-MIN.
Figure 00000001
;
Figure 00000002
;
Figure 00000003
Нормализованная характеристическая матрица лица A' может быть обозначена через a'ij, нормализованная характеристическая матрица отпечатка пальца B' может быть обозначена через b'ij, и нормализованная характеристическая матрица голоса C'' может быть обозначена через c'ij.
После применения метода нормализации MAX-MIN характеристическая информация, первоначально распределенная в характеристической матрице, может оставаться неизменной, и будет изменяться только диапазон значений характеристической матрицы. Следовательно, конкретная биологическая характеристика не изменяется при использовании метода нормализации, и, соответственно, характеристическая информация, по существу, не изменяется после объединения матриц.
На этапе 205 исходное значение веса назначают каждой из нормализованных характеристических матриц согласно предварительно заданным критериям назначения значений весов.
Исходное значение веса может быть назначено каждой из нормализованных характеристических матриц в соответствии с предварительно заданными критериями назначения значений весов после обработки по нормализации. Сумма всех значений весов равна 1.
На этапе 206 вычисляют коэффициент целостности характеристической информации, соответствующий каждой из характеристических матриц.
После того, как исходное значение назначено каждой из нормализованных характеристических матриц в соответствии с предварительно заданными критериями назначения значений весов, при этом сумма всех значений весов равна 1, можно вычислить коэффициент целостности характеристической информации, соответствующий каждой из характеристических матриц.
На этапе 207 значение веса каждой из характеристических матриц корректируют на основе коэффициентов целостности при обеспечении равенства суммы всех значений весов 1.
После вычисления коэффициента целостности характеристической информации, соответствующего каждой из характеристических матриц, значение веса каждой из характеристических матриц может быть скорректировано на основе коэффициентов целостности при обеспечении равенства суммы всех значений весов 1, что может быть реализовано с помощью следующих этапов.
В случае, когда коэффициент целостности, соответствующий характеристической матрице, меньше 1, значение веса характеристической матрицы пропорционально уменьшают в зависимости от недостающего коэффициента, соответствующего характеристической матрице, при этом сумма коэффициента целостности и недостающего коэффициента равна 1.
В случае, когда коэффициент целостности, соответствующий характеристической матрице, равен 1, значение веса характеристической матрицы, соответствующей коэффициенту целостности, равному 1, увеличивают пропорционально исходному значению веса характеристической матрицы, при этом значение веса характеристической матрицы, соответствующей коэффициенту целостности, меньшему 1, пропорционально снижают, при этом обеспечивают, чтобы сумма всех значений весов была равна 1.
В случае, когда каждый из коэффициентов целостности, соответствующих характеристическим матрицам, меньше 1, характеристическую матрицу, соответствующую коэффициенту целостности, превышающему предварительно заданное пороговое значение, считают характеристической матрицей, соответствующей коэффициенту целостности, равному 1.
В случае, когда каждый из коэффициентов целостности, соответствующих характеристическим матрицам, меньше либо равен предварительно заданному пороговому значению, способ возвращается к этапу сбора, по меньшей мере, двух типов информации идентификации, относящейся к биологическим характеристикам идентифицируемого пользователя, для повторного сбора.
На этапе 208 объединение с взвешиванием могут выполнять на всех нормализованных характеристических матрицах на основе скорректированных весовых значений с получением объединенной характеристической матрицы.
После того, как значение веса каждой из характеристических матриц было скорректировано на основе коэффициентов целостности, объединение с взвешиванием может быть выполнено на всех нормализованных характеристических матрицах на основе скорректированных значений весовых значений с получением объединенной характеристической матрицы.
Этапы 205-208 в данном варианте осуществления подробно описаны ниже в сценарии применения. В этом сценарии предполагается, что собирают три типа информации идентификации, относящейся к биологическим характеристикам, включая лицо, отпечаток пальца и голос.
Сначала значения весов α, β и λ могут быть назначены на основе различных сценариев или различных требований к техническим характеристикам распознавания.
Затем значения весов динамически корректируют на первом этапе, втором этапе и третьем этапе.
На первом этапе значения весов α, β и λ являются предварительно заданными в устройстве (исходные значения весов α, β и λ заданы в банкомате на основе реальных потребностей), где α+β+λ=1.
На втором этапе определяют, является ли информация биологической характеристики, собранная устройством, целостной, для определения того, какая информация биологической характеристики не является целостной, и вычисляют коэффициент целостности и недостающий коэффициент для собранной информации биологической характеристики согласно принципам статистики.
На третьем этапе значение веса, соответствующее информации биологической характеристики, собранной устройством, динамически корректируют на основании коэффициента целостности и недостающего коэффициента характеристической информации. В случае, когда собранная информация биологической характеристики не является целостной, значение веса, соответствующее информации биологической характеристике, при объединении динамически уменьшают на основании недостающего коэффициента характеристической информации. В случае, когда собранная информация биологической характеристики является целостной, значение веса, соответствующее информации биологической характеристики, при объединении динамически увеличивают в зависимости от пропорции исходного значения веса информации биологической характеристики.
На четвертом этапе итоговые значения весов α, β и λ, соответствующие информации биологической характеристики, выдают после динамической корректировки, при этом α+β+λ=1.
В случае, когда собранная биологическая характеристика не является целостной, значение веса, соответствующее информации биологической характеристики, уменьшают в зависимости от недостающего коэффициента собранной информации биологической характеристики, и значения весов двух других типов собранной целостной информации биологических характеристик могут быть увеличены за счет снижения значения веса собранной нецелостной информации биологической характеристики на основании пропорций значений весов. В случае, когда два типа собранной информации биологической характеристики не являются целостными, значение веса целостной информации биологической характеристики увеличивают на сумму снижений весов собранной нецелостной информации биологической характеристики. В случае, когда каждый из трех типов собранной информации биологических характеристик не является целостным, то собранную информацию биологической характеристики с коэффициентом целостности, превышающим 95%, считают собранной целостной информацией биологической характеристики, и значения весов информации биологической характеристики динамически корректируют. В случае, когда все коэффициенты целостности трех типов собранной информации биологических характеристик составляют менее 95%, способ возвращается к этапу сбора информации биологической характеристики для повторного сбора информации биологической характеристики.
После получения конечных значений α, β и λ объединение матриц выполняют следующим образом.
D=αA'+βB'+λC'
где α обозначает значение веса характеристической матрицы лица, β обозначает значение веса характеристической матрицы отпечатка пальца, λ обозначает значение веса характеристической матрицы голоса, а D обозначает новую объединенную матрицу. Каждая из характеристических матриц соответствует одному значению веса при выполнении объединения с взвешиванием на характеристических матрицах.
Хорошее решение для технических характеристик распознавания получено в соответствии с экспериментами, как показано в таблице 1. Таблица 1
Технические характеристики распознавания Лицо Отпечаток пальца Голос
Универсальность Высокая Средняя Средняя
Уникальность Низкая Высокая Низкая
Консервативность Средняя Высокая Низкая
Сбор Высокая Средняя Средняя
Производительность Низкая Высокая Низкая
Приемлемость Высокая Средняя Высокая
Устойчивость к фальсификации Низкая Высокая Низкая
В соответствии с уровнями, показанными выше в таблице 1, низкий уровень обозначается как 0, и средний уровень обозначается как 1, и высокий уровень обозначается как 2, и лицо соответствует 7, отпечаток пальца соответствует 11, и голос соответствует 4, и можно получить, что
Figure 00000004
,
Figure 00000005
,
Figure 00000006
Вышеуказанные значения весов назначают в случае, когда информация о лице, информация отпечатка пальца и информация о голосе были собраны идеально. В случае, когда один из типов собранной характеристической информации не является целостным, значение веса, соответствующее характеристической информации, уменьшают, а значения весов, соответствующие двум другим типам собранной характеристической информации, пропорционально увеличивают. В случае, когда собранная характеристическая информация лица не является целостной, значение веса характеристической матрицы лица уменьшают, и, согласно таблице 1, значение веса характеристической матрицы отпечатка пальца увеличивают на одиннадцать пятнадцатых от уменьшения значения веса характеристической матрицы лица, и значение веса характеристической матрицы голоса увеличивают на четыре пятнадцатых от уменьшения значения веса характеристической матрицы лица, и т. д. В случае, когда характеристическая информация отпечатка пальца не является целостной, значение веса характеристической матрицы лица увеличивают на семь одиннадцатых от уменьшения значения веса характеристической матрицы отпечатка пальца, и значение веса характеристической матрицы голоса увеличивают на четыре одиннадцатых от уменьшения значения веса характеристической матрицы отпечатка пальца. В случае, когда характеристическая информация голоса не является целостной, значение веса характеристической матрицы лица увеличивают на семь восемнадцатых от уменьшения значения веса характеристической матрицы голоса, и значение веса характеристической матрицы отпечатка пальца увеличивают на одиннадцать восемнадцатых от уменьшения значения веса характеристической матрицы голоса. В случае, когда два типа характеристической информации не являются целостными, значение веса, соответствующее целостной характеристической информации, увеличивают на сумму весов, соответствующих двум типам нецелостной характеристической информации. В случае, когда все три типа собранной информации биологических характеристик не являются целостными, информацию биологической характеристики с коэффициентом целостности, большим либо равным 95%, считают целостной информацией биологической характеристики, и значения весов корректируют динамически. В случае, когда коэффициенты целостности каждого типа информации биологической характеристики составляют менее 95%, способ непосредственно возвращается к этапу сбора информации биологических характеристик.
Каждая матрица содержит i×j элементов характеристической информации, и собирают X элементов характеристической информации, при этом коэффициент целостности собранной характеристической информации представлен как:
Figure 00000007
.
Недостающий коэффициент характеристической информации представлен как:
Figure 00000008
.
В случае, когда характеристическая информация лица не является целостной, значение веса корректируют следующим образом.
Figure 00000009
.
Уменьшение значение веса представлено как:
Figure 00000010
.
Значения весов, соответствующие отпечатку пальца и голосу, корректируют следующим образом:
Figure 00000011
;
Figure 00000012
.
И так далее, собирают Y элементов характеристической информации отпечатка пальца, и значения весов корректируют следующим образом:
Figure 00000013
;
Figure 00000014
;
Figure 00000015
;
Figure 00000016
.
Собирают Z элементов характеристической информации голоса, и значения весов корректируют следующим образом:
Figure 00000017
;
Figure 00000018
;
Figure 00000019
;
Figure 00000020
.
В случае, когда ни один из двух типов собранной характеристической информации не является целостным, значения весов корректируют следующим образом:
Figure 00000021
;
Figure 00000022
;
Figure 00000023
.
Альтернативно, значения весов корректируют следующим образом:
Figure 00000024
;
Figure 00000025
;
Figure 00000023
.
Альтернативно, значения весов корректируют следующим образом:
Figure 00000026
;
Figure 00000025
;
Figure 00000022
.
В способе динамической корректировки значений весов в случае, когда одна или несколько собранных характеристик не являются четкими, значения весов характеристических матриц, к которым относятся одна или более собранных нечетких характеристик, могут быть уменьшены при объединении с взвешиванием, и значение веса характеристической матрицы, к которой относится собранная четкая характеристическая информация, соответственно, увеличивают, что позволяет решить проблему шумовых помех, вызываемых некоторой собранной нецелостной или нечеткой биологической характеристикой.
На этапе 209 объединенную характеристическую матрицу сопоставляют с предварительно заданной стандартной матрицей с получением оценки совпадения.
После получения объединенной характеристической матрицы объединенную характеристическую матрицу могут сопоставлять с предварительно заданной стандартной матрицей с получением оценки совпадения. Процесс сопоставления может быть представлен как:
Figure 00000027
где dij обозначает элемент в i-й строке и j-м столбце объединенной характеристической матрицы, eij обозначает элемент в i-й строке и j-м столбце в матрице, хранящейся в базе данных, Sij обозначает значение совпадения элемента в i-й строке и j-м столбце.
Следует отметить, что множество оценок совпадения, сгенерированных в соответствии с принципом сопоставления объединенной характеристической матрицы с предварительно заданной стандартной матрицей, представлено следующим образом.
S'={sij⎪i,j=1,2,…N}
где оценка совпадения, S∈S' и i и j обозначают i-ю строку и j-й столбец в матрице, соответственно.
Следует отметить, что предварительно заданную стандартную матрицу резервируют до первого входа в учетную запись с применением данного способа. Стандартную матрицу резервируют на этапах с 1 по 6 следующим образом.
На этапе 1 собирают, по меньшей мере, два типа информации идентификации, относящейся к биологическим характеристикам владельца учетной записи.
На этапе 2 выполняют извлечение характеристик для каждого типа из указанных, по меньшей мере, двух типов информации идентификации, относящейся к биологическим характеристикам, с тем чтобы получить информацию о характеристиках, соответствующую типу информации идентификации, относящейся к биологическим характеристикам.
На этапе 3 выполняют построение характеристических матриц на основе характеристической информации. Существует взаимно однозначное соответствие между информацией идентификации, относящейся к биологическим характеристикам, характеристической информацией и характеристическими матрицами.
На этапе 4 выполняют обработку по нормализации для каждой из характеристических матриц.
На этапе 5 динамическое объединение с взвешиванием выполняют на всех нормализованных характеристических матрицах с получением объединенной характеристической матрицы, соответствующей владельцу учетной записи.
На этапе 6 объединенную характеристическую матрицу сохраняют в базе данных в качестве стандартной матрицы.
Таким способом резервируют стандартную матрицу, с тем чтобы объединенную характеристическую матрицу сопоставляли с зарезервированной стандартной матрицей, когда способ впоследствии будут применять для пользователя.
На этапе 210 результат идентификации личности идентифицируемого пользователя получают на основе байесовской модели принятия решений и оценки совпадения.
После получения оценки совпадения результат идентификации личности пользователя может быть получен на основе байесовской модели принятия решений и оценки совпадения.
После приведенного выше этапа S209, сценарий приложения выполняют ниже для иллюстрации.
В режиме аутентификации существует два типа идентификации личности, один из которых относится к случаю, когда идентификация личности пройдена, и другой относится к случаю, когда идентификация личности не пройдена. H=1 обозначает, что идентификация личности пройдена, и H=0 обозначает, что идентификация личности не пройдена. Известно, что априорная вероятность представлена как g=P(H=1) и P(H=0)=1-g вследствие того, что они являются взаимно исключающими, и апостериорная вероятность личности представлена в соответствии с байесовской теорией.
Figure 00000028
где S представляет собой оценку совпадения, и приведенное выше уравнение можно упростить как:
Figure 00000029
Функция риска правильного решения и неправильного решения для аутентификации личности задается как
Figure 00000030
,
Figure 00000031
в случае n=m, и E nm =1 в случае n≠m, и байесовский условный риск представлен как:
Figure 00000032
Решение по идентификации личности представлено следующим образом в соответствии с байесовской теорией принятия решений с минимизацией риска.
Figure 00000033
В целях упрощения порогового значения, в настоящем раскрытии используют функцию риска 0~1, при этом риск равен 0 в случае правильного определения, и риск равен 1 в случае неправильного определения. Предполагается, что g=P(H=1)=1/2, то есть, предполагается, что вероятность идентификации как реальной личности равна вероятности идентификации как поддельной личности. Объединенная функция принятия решений представлена как:
Figure 00000034
Личность может быть определена и идентифицирована с применением байесовского принятия решений и в сочетании с функцией определения, посредством чего снижается доля ложноположительных результатов и контролируется нахождение риска в пределах приемлемого диапазона для финансовой индустрии.
После прохождения аутентификации пользователь может выбрать выполняемую операцию. В случае, если аутентификация не была пройдена, способ возвращается к сбору информации и выдает предупреждение (и текстовое сообщение отправляют владельцу учетной записи, чтобы уведомить владельца учетной записи о том, что кто-то пытается управлять учетной записью).
На этапе 211 идентифицируемому пользователю разрешают выполнять операции в текущей учетной записи в случае, когда результат идентификации личности показывает, что идентификация личности была пройдена.
После получения результата идентификации личности идентифицируемого пользователя, пользователю разрешают проведение операций в учетной записи, в которую осуществляется вход в текущий момент, в случае, когда результат идентификации показывает, что идентификация личности была пройдена.
На этапе 212 способ возвращается к этапу сбора, по меньшей мере, двух типов информации идентификации, относящейся к биологическим характеристикам идентифицируемого пользователя, и предупреждение выдается в учетную запись, в которую осуществляется вход, в случае, если результат идентификации личности показывает, что идентификация не была пройдена.
После получения результата идентификации личности идентифицируемого пользователя способ возвращается к этапу сбора, по меньшей мере, двух типов информации идентификации, относящейся к биологических характеристикам идентифицируемого пользователя, и предупреждение выдается в учетную запись, в которую осуществляется вход, в случае, если результат идентификации личности показывает, что идентификация не была пройдена. Например, текстовое сообщение может быть отправлено владельцу учетной записи, чтобы уведомить владельца учетной записи о том, что кто-то пытается управлять учетной записью.
Способ аутентификации личности, основанный на объединении множества биологических характеристик, описан выше, и ниже подробно описано устройство для аутентификации личности на основе объединения множества биологических характеристик. Обратимся к фиг. 3; устройство для аутентификации личности на основе объединения множества биологических характеристик в соответствии с вариантом осуществления настоящего раскрытия включает в себя модуль 301 сбора информации идентификации, модуль 302 извлечения характеристик, модуль 303 построения матриц, и модуль 304 обработки по нормализации, модуль 305 объединения матриц, модуль 306 сопоставления и модуль 307 идентификации.
Модуль 301 сбора информации идентификации сконфигурирован для сбора, по меньшей мере, двух типов информации идентификации, относящейся к биологическим характеристикам идентифицируемого пользователя.
Модуль 302 извлечения характеристик сконфигурирован для выполнения извлечения характеристик для каждого типа из указанных, по меньшей мере, двух типов собранной информации идентификации, относящейся к биологическим характеристикам, с тем чтобы получить характеристическую информацию, соответствующую типу информации идентификации, относящейся к биологическим характеристикам.
Модуль 303 построения матриц сконфигурирован для построения характеристических матриц на основе характеристической информации. Существует взаимно однозначное соответствие между информацией идентификации, относящейся к биологическим характеристикам, характеристической информацией и характеристическими матрицами.
Модуль 304 обработки по нормализации сконфигурирован для выполнения обработки по нормализации каждой из характеристических матриц.
Модуль 305 объединения матриц сконфигурирован для выполнения динамического объединения с взвешиванием на всех нормализованных матрицах с получением объединенной характеристической матрицы.
Модуль 306 сопоставления сконфигурирован для сопоставления объединенной характеристической матрицы с предварительно заданной стандартной матрицей, с получением оценки совпадения.
Модуль 307 идентификации сконфигурирован для получения идентификации личности идентифицируемого пользователя на основе байесовской модели принятия решений и оценки совпадения.
В варианте осуществления модуль 301 сбора информации идентификации собирает, по меньшей мере, два типа информации идентификации, относящейся к биологическим характеристикам подлежащего идентификации пользователя, модуль 302 извлечения характеристик выполняет извлечение характеристик для каждого типа из указанных, по меньшей мере, двух типов информации идентификации, относящейся к биологическим характеристикам, с тем чтобы получить характеристическую информацию, соответствующую типу информации идентификации, относящейся к биологическим характеристикам, модуль 303 построения матриц строит характеристические матрицы на основе характеристической информации, при этом существует взаимно однозначное соответствие между информацией идентификации, относящейся к биологическим характеристикам, характеристической информацией и характеристическими матрицами, модуль 304 обработки по нормализации выполняет обработку по нормализации каждой из характеристических матриц, модуль 305 объединения матриц выполняет динамическое объединение с взвешиванием на всех нормализованных характеристических матрицах с получением объединенной характеристической матрицы, модуль 306 сопоставления сопоставляет объединенную характеристическую матрицу с предварительно заданной стандартной матрицей, с получением оценки совпадения, и модуль 307 получает результат идентификации личности идентифицируемого пользователя на основе байесовской модели принятия решений и оценки совпадения. В варианте осуществления личность аутентифицируют на основе более чем двух типов информации идентификации, относящейся к биологическим характеристикам, тем самым повышая точность идентификации, и не оказывая влияния на точность идентификации в случае, когда часть информации идентификации, относящейся к биологическим характеристикам, не является целостной.
Для удобства понимания устройство для аутентификации личности на основе объединения множества биологических характеристик в соответствии с вариантом осуществления настоящего раскрытия, подробно описано со ссылкой на фиг. 4, при этом устройство для аутентификации личности на основе объединения множества биологических характеристик согласно другому варианту осуществления настоящего раскрытия включает в себя модуль 401 сбора информации идентификации, модуль 402 извлечения характеристик, модуль 403 построения матриц и модуль 404 обработки по нормализации и модуль 405 объединения матриц, модуль 406 сопоставления и модуль 407 идентификации.
Модуль 401 сбора информации идентификации сконфигурирован для сбора, по меньшей мере, двух типов информации идентификации, относящейся к биологическим характеристикам идентифицируемого пользователя.
Модуль 402 извлечения характеристик сконфигурирован для выполнения извлечения характеристик для каждого типа из указанных, по меньшей мере, двух типов собранной информации идентификации, относящейся к биологическим характеристикам, с тем чтобы получить характеристическую информацию, соответствующую типу информации идентификации, относящейся к биологическим характеристикам.
Модуль 403 построения матриц сконфигурирован для построения характеристических матриц на основе характеристической информации. Существует взаимно однозначное соответствие между информацией идентификации, относящейся к биологическим характеристикам, характеристической информацией и характеристическими матрицами.
Модуль 404 обработки по нормализации сконфигурирован для выполнения обработки по нормализации каждой из характеристических матриц.
Модуль 405 объединения матриц сконфигурирован для выполнения динамического объединения с взвешиванием на всех нормализованных матрицах с получением объединенной характеристической матрицы.
Модуль 406 сопоставления сконфигурирован для сопоставления объединенной характеристической матрицы с предварительно заданной стандартной матрицей, с получением оценки совпадения.
Модуль 407 идентификации сконфигурирован для получения идентификации личности идентифицируемого пользователя на основе байесовской модели принятия решений и оценки совпадения.
Модуль 405 объединения матриц в варианте осуществления может включать в себя блок 4051 назначения исходных значений весов, блок 4052 вычисления коэффициентов целостности, блок 4053 корректировки значений весов и блок 4054 объединения с взвешиванием.
Блок 4051 назначения исходных значений весов сконфигурирован для назначения исходного значения веса каждой из нормализованных характеристических матриц в соответствии с заранее заданными критериями назначения значений весов. Сумма всех значений весов равна 1.
Блок 4052 вычисления коэффициентов целостности сконфигурирован для вычисления коэффициента целостности характеристической информации, соответствующей каждой из характеристических матриц.
Блок 4053 корректировки значений весов сконфигурирован для корректировки значения веса каждой характеристической матрицы на основе коэффициентов целостности при обеспечении того, чтобы сумма всех значений весов была равна 1.
Блок 4054 объединения с взвешиванием сконфигурирован для выполнения объединения с взвешиванием на всех нормализованных характеристических матрицах на основе скорректированных значений весов с получением объединенной характеристической матрицы.
Устройство в соответствии с вариантом осуществления может дополнительно содержать модуль 408 разрешения операций и модуль 409 выдачи предупреждений.
Модуль 408 разрешения операций сконфигурирован для разрешения пользователю выполнения операций в учетной записи, в которую осуществляется вход, в случае, когда результат идентификации личности, полученный модулем 407 идентификации, указывает, что идентифицируемый пользователь прошел идентификацию личности.
Модуль 409 выдачи предупреждений сконфигурирован для возврата на этап сбора, по меньшей мере, двух типов информации идентификации, относящейся к биологическим характеристикам идентифицируемого пользователя, и выдачи предупреждения в учетной записи, в которую осуществляется вход, в случае, когда результат идентификации личности, полученный модулем 407 идентификации, указывает, что идентифицируемый пользователь не прошел идентификацию личности.
Устройство согласно варианту осуществления может дополнительно содержать модуль 410 резервирования, сконфигурированный с возможностью резервирования стандартной матрицы до того, как устройство будет впервые использоваться. Модуль 410 резервирования включает в себя: блок 4101 сбора информации, блок 4102 извлечения характеристик, блок 4103 построения матриц, блок 4104 нормализации, блок 4105 объединения матриц и блок 4106 хранения.
Блок 4101 сбора информации сконфигурирован для сбора, по меньшей мере, двух типов информации идентификации, относящейся к биологическим характеристикам владельца учетной записи.
Блок 4102 извлечения характеристик сконфигурирован для выполнения извлечения характеристик для каждого типа из указанных, по меньшей мере, двух типов собранной информации идентификации, относящейся к биологическим характеристикам, с тем чтобы получить характеристическую информацию, соответствующую типу информации идентификации, относящейся к биологическим характеристикам.
Блок 4103 построения характеристических матриц сконфигурирован для построения характеристических матриц на основе характеристической информации. Существует взаимно однозначное соответствие между информацией идентификации, относящейся к биологическим характеристикам, характеристической информацией и характеристическими матрицами.
Блок 4104 нормализации сконфигурирован для выполнения обработки по нормализации каждой из характеристических матриц.
Блок 4105 объединения матриц сконфигурирован для выполнения динамического объединения с взвешиванием на всех нормализованных матрицах с получением объединенной характеристической матрицы, соответствующей владельцу учетной записи.
Блок 4106 хранения сконфигурирован для хранения объединенной характеристической матрицы в базе данных в качестве стандартной матрицы.
Специалистам в данной области техники будет понятно, что в целях удобства и простоты описания процессы функционирования системы, устройства и блока, описанные выше, могут относиться к соответствующим процессам в приведенном выше варианте осуществления способа, которые больше не описываются в настоящем раскрытии.
В нескольких вариантах осуществления в соответствии с настоящим изобретением следует понимать, что раскрытая система, устройство и способ могут быть реализованы другими способами. Варианты осуществления устройства, описанные выше, являются просто схематическими. Например, разделение блоков является только логическим функциональным делением, и на практике могут иметь место другие способы разделения. Например, несколько блоков или компонентов могут быть объединены или могут быть интегрированы в другую систему, или некоторые функции могут быть пропущены или могут не выполняться. Кроме того, показанное или обсужденное соединение, непосредственное соединение или коммуникационное соединение может представлять собой непрямое соединение или коммуникационное соединение через некоторые интерфейсы, устройства или блоки, которые могут быть электрическими, механическими или иметь другую форму.
Блоки, показанные как отдельные компоненты, могут быть или быть разделены физически, и компонент, показанный как блок, может являться или не являться физическим блоком. То есть, компоненты могут быть расположены в одном и том же месте или могут быть распределены по нескольким сетевым блокам, и некоторые или все блоки могут быть выбраны по мере необходимости для достижения цели решения, предлагаемого в вариантах осуществления.
Кроме того, все функциональные блоки могут быть интегрированы в один блок обработки, или могут являться отдельными физическими блоками, или два или более блоков могут быть интегрированы в один блок. Интегрированный блок, описанный выше, может быть реализован с помощью аппаратного обеспечения или может быть реализован с помощью функционального блока программного обеспечения.
Если интегрированный блок реализован в виде функционального блока программного обеспечения, и функциональный блок программного обеспечения продается или используется как отдельный продукт, то программный функциональный блок также может храниться на машиночитаемом носителе информации. На основании такого понимания, существенная часть технических решений настоящего раскрытия, то есть, часть технических решений настоящего раскрытия, которая вносит вклад в существующую технологию, или все или часть технических решений могут быть реализованы в форме компьютерного программного продукта. Компьютерный программный продукт хранится на носителе информации и содержит несколько инструкций для обеспечения реализации компьютерным устройством (которое может являться персональным компьютером, сервером, сетевым устройством и т.п.) всех или некоторых этапов способов в соответствии с вариантами осуществления настоящего изобретения. Указанные выше носители информации включают в себя различные носители, на которых могут храниться коды программ, например, USB-накопитель, переносной жесткий диск и постоянное запоминающее устройство (ПЗУ), оперативное запоминающее устройство (ОЗУ) и магнитный диск, и тому подобное.
Приведенные выше варианты осуществления описаны только для иллюстрации технических решений настоящего раскрытия, а не для ограничения технических решений. Хотя настоящее раскрытие подробно проиллюстрировано со ссылкой на варианты осуществления, описанные выше, специалистам в данной области должно быть понятно, что могут быть внесены изменения в технические решения, упомянутые в описанных выше вариантах осуществления, или эквивалентная замена может быть выполнена для части технических характеристик технического решения. Модификация и эквивалентная замена не могут привести к отклонению сущности технических решений от формы и объема технических решений в соответствии с вариантами осуществления настоящего раскрытия.

Claims (50)

1. Способ для аутентификации личности на основе объединения множества биологических характеристик, содержащий этапы, на которых:
собирают по меньшей мере два типа информации идентификации, относящейся к биологическим характеристикам идентифицируемого пользователя;
выполняют извлечение характеристик для каждого типа из указанных по меньшей мере двух типов собранной информации идентификации, относящейся к биологическим характеристикам, чтобы получить характеристическую информацию, соответствующую типу информации идентификации, относящейся к биологическим характеристикам;
выполняют построение характеристических матриц на основе характеристической информации, при этом между информацией идентификации, относящейся к биологическим характеристикам, характеристической информацией и характеристическими матрицами существует взаимно однозначное соответствие;
выполняют обработку по нормализации каждой из характеристических матриц;
выполняют динамическое объединение с взвешиванием на всех нормализованных характеристических матрицах с получением объединенной характеристической матрицы;
сопоставляют объединенную характеристическую матрицу с предварительно заданной стандартной матрицей с получением оценки совпадения; и
получают результат идентификации личности идентифицируемого пользователя на основе байесовской модели принятия решений и оценки совпадения;
причем выполнение динамического объединения с взвешиванием на всех нормализованных характеристических матрицах с получением объединенной характеристической матрицы содержит:
назначение исходного значения веса для каждой из нормализованных характеристических матриц в соответствии с предварительно заданными критериями назначения значений весов, при этом сумма всех значений весов равна 1;
вычисление коэффициента целостности характеристической информации, соответствующей каждой из характеристических матриц, при этом коэффициент целостности является отношением количества фрагментов характеристической информации, соответствующей одной характеристической матрице, к количеству элементов в одной характеристической матрице;
корректировку значения веса каждой из характеристических матриц на основе коэффициентов целостности при обеспечении равенства суммы всех значений весов 1, при этом значение веса одной из характеристических матриц уменьшается, в случае, когда коэффициент целостности одной характеристической матрицы меньше 1, на основании недостающего коэффициента одной характеристической матрицы, и сумма коэффициента целостности и недостающего коэффициента равна 1; и
выполнение объединения с взвешиванием на всех нормализованных характеристических матрицах на основе скорректированных значений веса с получением объединенной характеристической матрицы.
2. Способ по п. 1, в котором выполнение обработки по нормализации каждой из характеристических матриц содержит: выполнение обработки по нормализации каждой из характеристических матриц с использованием метода MAX-MIN, при этом каждый элемент в каждой из нормализованных характеристических матриц находится в диапазоне от 0 до 1 включительно.
3. Способ по п. 1, в котором корректировка значения веса каждой из характеристических матриц на основе коэффициентов целостности при обеспечении равенства суммы всех значений весов 1 содержит:
в случае, когда коэффициент целостности, соответствующий характеристической матрице, меньше 1, пропорциональное снижение значения веса характеристической матрицы на основе недостающего коэффициента, соответствующего характеристической матрице, при этом сумма коэффициента целостности и недостающего коэффициента равна 1;
в случае, когда коэффициент целостности, соответствующий характеристической матрице, равен 1, повышение значения веса характеристической матрицы, соответствующей коэффициенту целостности, равному 1, пропорционально исходному значению веса характеристической матрицы, при этом значение веса характеристической матрицы, соответствующей коэффициенту целостности, меньшему 1, пропорционально снижают, при этом обеспечивают, чтобы сумма всех значений весов была равна 1;
в случае, когда каждый из коэффициентов целостности, соответствующих характеристическим матрицам, меньше 1, характеристическую матрицу, соответствующую коэффициенту целостности, превышающему предварительно заданный порог, считают характеристической матрицей, соответствующей коэффициенту целостности, равному 1;
в случае, когда каждый из коэффициентов целостности, соответствующих характеристической матрице, меньше либо равен предварительно заданному порогу, возвращение к этапу сбора по меньшей мере двух типов информации идентификации, относящейся к биологическим характеристикам пользователя, подлежащего идентификации, для повторного сбора.
4. Способ по п. 1, в котором идентифицируемому пользователю предоставляют доступ к операциям в учетной записи, в которую осуществляется вход в настоящее время, в случае, когда результат идентификации личности указывает, что идентифицируемый пользователь прошел идентификацию личности; и способ возвращается к этапу сбора по меньшей мере двух типов информации идентификации, относящейся к биологическим характеристикам идентифицируемого пользователя, и предупреждение выдается в учетной записи, в которую осуществляется вход, в случае, когда результат идентификации указывает, что идентифицируемый пользователь не прошел идентификацию личности.
5. Способ по любому из пп. 1-4, в котором стандартную матрицу резервируют до первого входа в учетную запись с применением способа, и стандартную матрицу резервируют путем:
сбора по меньшей мере двух типов информации идентификации, относящейся к биологическим характеристикам владельца счета;
выполнения извлечения характеристик для каждого типа из указанных по меньшей мере двух типов собранной информации идентификации, относящейся к биологическим характеристикам, с тем чтобы получить характеристическую информацию, соответствующую типу информации идентификации, относящейся к биологическим характеристикам;
построения характеристических матриц на основе характеристической информации, при этом существует взаимно однозначное соответствие между информацией идентификации, относящейся к биологическим характеристикам, характеристической информацией и характеристическими матрицами;
выполнения обработки по нормализации каждой из характеристических матриц;
выполнения динамического объединения с взвешиванием на всех нормализованных характеристических матрицах с получением объединенной характеристической матрицы, соответствующей владельцу учетной записи; и
сохранения объединенной характеристической матрицы в базе данных в качестве стандартной матрицы.
6. Устройство для аутентификации личности на основе объединения множества биологических характеристик, содержащее:
модуль сбора информации идентификации, сконфигурированный с возможностью сбора по меньшей мере двух типов информации идентификации, относящейся к биологическим характеристикам идентифицируемого пользователя;
модуль извлечения характеристик, сконфигурированный с возможностью выполнения извлечения характеристик для каждого типа из указанных по меньшей мере двух типов собранной информации идентификации, относящейся к биологическим характеристикам, чтобы получить характеристическую информацию, соответствующую типу информации идентификации, относящейся к биологическим характеристикам;
модуль построения матриц, сконфигурированный с возможностью построения характеристических матриц на основе характеристической информации, при этом существует взаимно однозначное соответствие между информацией идентификации, относящейся к биологическим характеристикам, характеристической информацией и характеристическими матрицами;
модуль обработки по нормализации, сконфигурированный с возможностью выполнения обработки по нормализации каждой из характеристических матриц;
модуль объединения матриц, сконфигурированный с возможностью выполнения динамического объединения с взвешиванием на всех нормализованных матрицах с получением объединенной характеристической матрицы;
модуль сопоставления, сконфигурированный с возможностью сопоставления объединенной характеристической матрицы с предварительно заданной стандартной матрицей, с получением оценки совпадения; и
модуль идентификации, сконфигурированный с возможностью получения идентификации личности идентифицируемого пользователя на основе байесовской модели принятия решений и оценки совпадения;
причем модуль объединения матриц содержит:
блок назначения исходных значений весов, сконфигурированный с возможностью назначения исходного значения веса каждой из нормализованных характеристических матриц в соответствии с заранее заданными критериями назначения значений весов, при этом сумма всех значений весов равна 1;
блок вычисления коэффициентов целостности, сконфигурированный с возможностью вычисления коэффициента целостности характеристической информации, соответствующей каждой из характеристических матриц, при этом коэффициент целостности является отношением количества фрагментов характеристической информации, соответствующей одной характеристической матрице, к количеству элементов в одной характеристической матрице;
блок корректировки значений весов, сконфигурированный с возможностью корректировки значения веса каждой характеристической матрицы на основе коэффициентов целостности при обеспечении того, чтобы сумма всех значений весов равна 1, при этом значение веса одной из характеристических матриц уменьшается, в случае, когда коэффициент целостности одной характеристической матрицы меньше 1, на основании недостающего коэффициента одной характеристической матрицы, и сумма коэффициента целостности и недостающего коэффициента равна 1;
блок объединения с взвешиванием, сконфигурированный с возможностью выполнения объединения с взвешиванием на всех нормализованных характеристических матрицах на основе скорректированных значений весов с получением объединенной характеристической матрицы.
7. Устройство по п. 6, дополнительно включающее в себя:
модуль разрешения операций, сконфигурированный с возможностью разрешения пользователю выполнения операций в учетной записи, в которую осуществляется вход, в случае, когда результат идентификации личности, полученный модулем идентификации, указывает, что идентифицируемый пользователь прошел идентификацию личности;
модуль выдачи предупреждений, сконфигурированный с возможностью возврата на этап сбора по меньшей мере двух типов информации идентификации, относящейся к биологическим характеристикам идентифицируемого пользователя, и выдачи предупреждения в учетной записи, в которую осуществляется вход, в случае, когда результат идентификации личности, полученный модулем идентификации, указывает, что идентифицируемый пользователь не прошел идентификацию личности.
8. Устройство по п. 6 или 7, дополнительно включающее в себя модуль резервирования для резервирования стандартной матрицы до первого использования устройства, при этом модуль резервирования включает в себя:
блок сбора информации, сконфигурированный с возможностью сбора по меньшей мере двух типов информации идентификации, относящейся к биологическим характеристикам владельца учетной записи;
блок извлечения характеристик, сконфигурированный с возможностью выполнения извлечения характеристик для каждого типа из указанных по меньшей мере двух типов собранной информации идентификации, относящейся к биологическим характеристикам, с тем чтобы получить характеристическую информацию, соответствующую типу информации идентификации, относящейся к биологическим характеристикам;
блок построения характеристических матриц, сконфигурированный с возможностью построения характеристических матриц на основе характеристической информации, при этом существует взаимно однозначное соответствие между информацией идентификации, относящейся к биологическим характеристикам, характеристической информацией и характеристическими матрицами;
блок нормализации, сконфигурированный с возможностью выполнения обработки по нормализации каждой из характеристических матриц;
блок объединения матриц, сконфигурированный с возможностью выполнения динамического объединения с взвешиванием на всех нормализованных матрицах с получением объединенной характеристической матрицы, соответствующей владельцу учетной записи;
блок хранения, сконфигурированный с возможностью хранения объединенной характеристической матрицы в базе данных в качестве стандартной матрицы.
RU2018117505A 2015-10-20 2016-03-29 Способ и устройство для аутентификации личности посредством объединения множества биологических характеристик RU2696336C1 (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201510684297.2 2015-10-20
CN201510684297.2A CN105224849B (zh) 2015-10-20 2015-10-20 一种多生物特征融合身份鉴别方法以及装置
PCT/CN2016/077661 WO2017067136A1 (zh) 2015-10-20 2016-03-29 一种多生物特征融合身份鉴别方法以及装置

Publications (1)

Publication Number Publication Date
RU2696336C1 true RU2696336C1 (ru) 2019-08-01

Family

ID=54993813

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2018117505A RU2696336C1 (ru) 2015-10-20 2016-03-29 Способ и устройство для аутентификации личности посредством объединения множества биологических характеристик

Country Status (8)

Country Link
US (1) US10346602B2 (ru)
EP (1) EP3367279B1 (ru)
CN (1) CN105224849B (ru)
CL (1) CL2018000982A1 (ru)
HK (1) HK1257952A1 (ru)
RU (1) RU2696336C1 (ru)
WO (1) WO2017067136A1 (ru)
ZA (1) ZA201802810B (ru)

Families Citing this family (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105224849B (zh) * 2015-10-20 2019-01-01 广州广电运通金融电子股份有限公司 一种多生物特征融合身份鉴别方法以及装置
NO344910B1 (en) * 2016-01-12 2020-06-29 Kk88 No As Device for verifying the identity of a person
US9899038B2 (en) 2016-06-30 2018-02-20 Karen Elaine Khaleghi Electronic notebook system
US10235998B1 (en) 2018-02-28 2019-03-19 Karen Elaine Khaleghi Health monitoring system and appliance
CN108985030A (zh) * 2018-06-06 2018-12-11 普联技术有限公司 智能手表的身份识别方法、装置及存储介质
US20200012772A1 (en) * 2018-07-03 2020-01-09 Tinoq Inc. Systems and methods for matching identity and readily accessible personal identifier information based on transaction timestamp
CN109344722B (zh) * 2018-09-04 2020-03-24 阿里巴巴集团控股有限公司 一种用户身份确定方法、装置及电子设备
CN109614880A (zh) * 2018-11-19 2019-04-12 国家电网有限公司 一种多模态生物特征融合方法及装置
CN109583387A (zh) * 2018-11-30 2019-04-05 龙马智芯（珠海横琴）科技有限公司 身份认证方法及装置
US10559307B1 (en) 2019-02-13 2020-02-11 Karen Elaine Khaleghi Impaired operator detection and interlock apparatus
CN111460880B (zh) * 2019-02-28 2024-03-05 杭州芯影科技有限公司 多模生物特征融合方法和系统
CN109994116B (zh) * 2019-03-11 2021-01-19 南京邮电大学 一种基于会议场景小样本条件下的声纹准确识别方法
CN110020617A (zh) * 2019-03-27 2019-07-16 五邑大学 一种基于生物特征的身份识别方法、装置和存储介质
CN110189138A (zh) * 2019-05-30 2019-08-30 北京昱达天丽科技发展有限公司 一种基于生物识别的认证支付系统
WO2020243689A1 (en) * 2019-05-31 2020-12-03 Veritone, Inc. Cognitive multi-factor authentication
US10735191B1 (en) 2019-07-25 2020-08-04 The Notebook, Llc Apparatus and methods for secure distributed communications and data access
CN110266738A (zh) * 2019-07-31 2019-09-20 中国工商银行股份有限公司 基于多生物特征的识别认证方法及装置
CN110913163B (zh) * 2019-11-08 2022-01-14 无锡和风系统集成有限公司 楼宇权限处理方法和装置
CN111552695A (zh) * 2020-06-04 2020-08-18 支付宝(杭州)信息技术有限公司 数据存储和查询的方法、装置以及机器可读存储介质
CN111581625A (zh) * 2020-06-12 2020-08-25 支付宝(杭州)信息技术有限公司 一种用户身份识别方法、装置及电子设备
CN112115446B (zh) * 2020-07-29 2024-02-09 航天信息股份有限公司 一种基于Skyline查询生物特征的身份认证方法及系统
CN112597850B (zh) * 2020-12-15 2022-04-19 浙江大华技术股份有限公司 一种身份识别方法及装置
CN113361197B (zh) * 2021-06-08 2022-10-25 山东大学 一种锂电池剩余使用寿命预测方法及系统
CN113449682B (zh) * 2021-07-15 2023-08-08 四川九洲电器集团有限责任公司 一种基于动态融合模型识别民航领域射频指纹的方法
CN116030098B (zh) * 2023-03-27 2023-06-13 齐鲁工业大学(山东省科学院) 一种基于方向特征驱动的焊缝目标跟踪方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060120609A1 (en) * 2004-12-06 2006-06-08 Yuri Ivanov Confidence weighted classifier combination for multi-modal identification
RU64890U1 (ru) * 2007-01-09 2007-07-27 Владимир Николаевич Бичигов Носитель биометрической информации
RU2336018C1 (ru) * 2007-01-09 2008-10-20 Владимир Николаевич Бичигов Носитель биометрической информации
US9082048B2 (en) * 2008-03-17 2015-07-14 Convergence Biometrics, LLC Identification in view of biometric parameters
US20150248798A1 (en) * 2014-02-28 2015-09-03 Honeywell International Inc. System and method having biometric identification intrusion and access control

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5761329A (en) * 1995-12-15 1998-06-02 Chen; Tsuhan Method and apparatus employing audio and video data from an individual for authentication purposes
US8190540B2 (en) * 2005-01-14 2012-05-29 Ultra-Scan Corporation Multimodal fusion decision logic system for determining whether to accept a specimen
US20060171571A1 (en) * 2005-02-01 2006-08-03 Chan Michael T Systems and methods for quality-based fusion of multiple biometrics for authentication
WO2006101169A1 (ja) * 2005-03-23 2006-09-28 Ihc Corp. 認証システム
US7536304B2 (en) * 2005-05-27 2009-05-19 Porticus, Inc. Method and system for bio-metric voice print authentication
ES2374221T3 (es) * 2005-07-11 2012-02-14 Volvo Technology Corporation Métodos y dispositivo para llevar a cabo la verificación de identidad de un conductor.
CN100363938C (zh) * 2005-10-31 2008-01-23 浙江大学 基于得分差加权融合的多模态身份识别方法
CN100356388C (zh) * 2005-12-31 2007-12-19 清华大学 生物特征融合的身份识别和认证方法
KR20070083436A (ko) * 2006-02-21 2007-08-24 삼성전자주식회사 객체인증장치 및 방법
US7864989B2 (en) * 2006-03-31 2011-01-04 Fujifilm Corporation Method and apparatus for adaptive context-aided human classification
US8131039B2 (en) * 2007-09-26 2012-03-06 Siemens Medical Solutions Usa, Inc. System and method for multiple-instance learning for computer aided diagnosis
CN101504781B (zh) * 2009-03-10 2011-02-09 广州广电运通金融电子股份有限公司 有价文件识别方法及装置
US8379940B2 (en) * 2009-06-02 2013-02-19 George Mason Intellectual Properties, Inc. Robust human authentication using holistic anthropometric and appearance-based features and boosting
US20100316293A1 (en) * 2009-06-15 2010-12-16 Siemens Corporation System and method for signature extraction using mutual interdependence analysis
US8989520B2 (en) * 2010-03-01 2015-03-24 Daon Holdings Limited Method and system for conducting identification matching
CN101894254B (zh) * 2010-06-13 2013-01-09 南开大学 一种基于等高线法的三维人脸识别方法
US20130223696A1 (en) * 2012-01-09 2013-08-29 Sensible Vision, Inc. System and method for providing secure access to an electronic device using facial biometric identification and screen gesture
TWI456515B (zh) * 2012-07-13 2014-10-11 Univ Nat Chiao Tung 融合人臉辨識及語音辨識之身份辨識系統、其方法及其服務型機器人
US10864418B2 (en) * 2013-07-19 2020-12-15 Wilson Sporting Goods Co. Sports paddle with improved head portion
CN103745207A (zh) * 2014-01-27 2014-04-23 中国科学院深圳先进技术研究院 一种人脸识别的特征提取方法及装置
CN104573652B (zh) * 2015-01-04 2017-12-22 华为技术有限公司 确定人脸图像中人脸的身份标识的方法、装置和终端
TWI619044B (zh) * 2015-07-23 2018-03-21 瑞鼎科技股份有限公司 電容式指紋感測裝置及電容式指紋感測方法
CN105224849B (zh) * 2015-10-20 2019-01-01 广州广电运通金融电子股份有限公司 一种多生物特征融合身份鉴别方法以及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060120609A1 (en) * 2004-12-06 2006-06-08 Yuri Ivanov Confidence weighted classifier combination for multi-modal identification
RU64890U1 (ru) * 2007-01-09 2007-07-27 Владимир Николаевич Бичигов Носитель биометрической информации
RU2336018C1 (ru) * 2007-01-09 2008-10-20 Владимир Николаевич Бичигов Носитель биометрической информации
US9082048B2 (en) * 2008-03-17 2015-07-14 Convergence Biometrics, LLC Identification in view of biometric parameters
US20150248798A1 (en) * 2014-02-28 2015-09-03 Honeywell International Inc. System and method having biometric identification intrusion and access control

Also Published As

Publication number Publication date
CN105224849A (zh) 2016-01-06
EP3367279A4 (en) 2018-08-29
US20180285542A1 (en) 2018-10-04
EP3367279A1 (en) 2018-08-29
CL2018000982A1 (es) 2018-09-04
EP3367279B1 (en) 2019-08-07
WO2017067136A1 (zh) 2017-04-27
HK1257952A1 (zh) 2019-11-01
CN105224849B (zh) 2019-01-01
ZA201802810B (en) 2019-01-30
US10346602B2 (en) 2019-07-09

Similar Documents

Publication Publication Date Title
RU2696336C1 (ru) Способ и устройство для аутентификации личности посредством объединения множества биологических характеристик
US8958607B2 (en) Liveness detection
Dorronsoro et al. Neural fraud detection in credit card operations
DE102013102399B4 (de) Gesichtsmerkmalserfassung
US9189686B2 (en) Apparatus and method for iris image analysis
CN103634118B (zh) 基于证卡和复合生物特征识别的生存认证方法
Gudavalli et al. Multimodal Biometrics--Sources, Architecture and Fusion Techniques: An Overview
US20180239978A1 (en) Imaging processing system and method and management apparatus
Morlino et al. The non-procedural determinants of responsiveness
Vishi et al. Multimodal biometric authentication using fingerprint and iris recognition in identity management
CN112035519B (zh) 用户画像方法、装置、计算机可读存储介质及终端设备
RU2316051C2 (ru) Способ и система автоматической проверки присутствия лица живого человека в биометрических системах безопасности
CN111738059B (zh) 一种面向无感场景的人脸识别方法
CN113505717A (zh) 一种基于人脸面部特征识别技术的在线通行系统
Hossain et al. New impostor score based rejection methods for continuous keystroke verification with weak templates
CN109285260A (zh) 一种闸机控制方法及装置
Batool et al. Biometric authentication in cloud computing
Raghavendra et al. Qualitative weight assignment for multimodal biometric fusion
Patil A study of biometric, multimodal biometric systems: Fusion techniques, applications and challenges
CN109547460A (zh) 面向身份联盟的多粒度联合身份认证方法
Manino et al. Efficiency of active learning for the allocation of workers on crowdsourced classification tasks
CN110321793A (zh) 支票取现方法、装置、设备及计算机可读存储介质
CN110415128A (zh) 保单信息管理方法、装置、设备及计算机可读存储介质
CN114548831B (zh) 一种评价报告的生成方法、装置、电子设备及存储介质
Kumar et al. Smart voting through face recognition